Inferencia - GET00135

Lista 2 - Metodos de Estimacao: Momentos e Maxima

Verossimilhanca
Profa : Jessica Kubrusly

1. Para cada item abaixo, considere X1 , . . . , Xn amostra aleatoria de X definida no item. En-
contre o estimador de cada parametro distribucional pelo metodo dos momentos. Verifique
em cada item se a imagem do estimador coincide com o espaco parametrico.
(a) X Geom(p)
(b) X Gama(, )
(c) X Lognormal(, 2 )
d
Dica: Sejam Y Lognormal(, 2 ) e X N (, 2 ). Entao Y = eX ou, o que e equivalente,
d
ln(Y ) = X. Use essa informacao para encontrar os momentos da Lognormal.

2. Seja X1 , X2 , . . . , Xn uma amostra aleatoria da populacao X Exp().

(a) Encontre o estimador para pelo metodo dos momentos.
(b) Encontre o estimador para = 2 pelo metodo dos momentos.

3. Para cada item abaixo, considere X1 , . . . , Xn amostra aleatoria de X definida no item.

Encontre o estimador de cada parametro distribucional pelo metodo da maxima verossimi-
lhanca.
(a) X Geom(p)
(b) X Bin(N0 , p), sendo n0 conhecido
(c) X U [, ]
Atencao: Cuidado na resolucao dos problemas de maximizacao. E tambem nao esqueca de
fazer o teste da 2a derivada sempre que preciso.

4. ([Larson, 1982] - Captulo 7) Seja X1 , X2 , . . . , Xn uma amostra aleatoria de X N (0 , 2 ),

com 0 conhecido.
(a) Encontre o estimador para 2 pelo Metodo dos Momentos.
(b) Encontre o estimador para 2 pelo Metodo da Maxima Verossimilhanca.
(c) Os valores abaixo sao a observacao de uma amostra aleatoria de X N (0 = 5, 2 ).
Encontre as estimativas para 2 pelos metodos vistos nos itens (a) e (b).

6, 22 6, 62 2, 57 3, 85 3, 06 3, 96 6, 95 4, 42 6, 25 7, 27 3, 23 4, 87

(d) Repita o item (c) agora para a nova amostra de X N (0 = 5, 2 ), apresentada

abaixo. O resultado e o que voce esperava? Comente.

2, 36 3, 94 3, 34 4, 48 1, 94 5, 46 3, 32 4, 14 4, 32 4, 83 7, 02 3, 08

5. ([Bolfarine e Sandoval, 2000] - Captulo 3)

Seja X1 , X2 , . . . , Xn uma amostra aleatoria da populacao X Exp().
(a) Encontre o estimador para pelo metodo da maxima verossimilhanca.
(b) Encontre o estimador para = E(X) pelo metodo da maxima verossimilhanca.
(c) Encontre o estimador para = P(X > 1) pelo metodo da maxima verossimilhanca.
(d) Os valores abaixo sao a observacao de uma amostra aleatoria de X Exp(). Encontre
as estimativas por maxima verossimilhanca para os parametros , e definidos acima.

0, 081 0, 637 0, 183 0, 743 0, 207 0, 318 0, 096 0, 389

1 de 3
Lista 2 Inferencia

6. ([Casella e Berger, 2002] - Captulo 7 e [Bolfarine e Sandoval, 2000] - Captulo 3)

Seja X1 , X2 , . . . , Xn uma amostra aleatoria da variavel X D() cuja funcao densidade e
definida por:
fX (x) = x1 , 0 x 1 e 0 .
(a) Encontre o estimador para pelo metodo dos momentos.
(b) Encontre o estimador para pelo metodo da maxima verossimilhanca.
(c) Encontre o estimador para = E(X) pelo metodo dos momentos.
(d) Encontre o estimador para = E(X) pelo metodo da maxima verossimilhanca.

7. ([Casella e Berger, 2002] - Captulo 7 e [Bolfarine e Sandoval, 2000] - Captulo 3)

Sejam X1 , X2 , . . . , Xn amostra aleatoria de X com densidade descrita abaixo, sendo > 0.

x2
, x
fX (x) =
0 , caso contrario.

(a) Mostre que nao existe estimador para pelo Metodo dos Momentos.
Dica: mostre que nao existe nenhum momento de X.
(b) Encontre o estimador para pelo Metodo da Maxima Verossimilhanca.
(c) Encontre o estimador para = E(1/X) pelo Metodo da Maxima Verossimilhanca.

8. ([Casella e Berger, 2002] - Captulo 7) Uma unica observacao e obtida de uma variavel
aleatoria discreta X com funcao de probabilidade p(.; ), com = {1, 2, 3}. O quadro
abaixo apresenta as possveis funcoes de probabilidades para cada . Encontre o
estimador de maxima verossimilhanca do parametro .

X p(x; 1) p(x; 2) p(x : 3)

0 1/3 1/4 0
1 1/3 1/4 0
2 0 1/4 1/4
3 1/6 1/4 1/2
4 1/6 0 1/4

Os exerccios 9-13 a seguir sao problemas para serem resolvidos. Na resolucao de cada um deles:

(i) Defina o tamanho da amostra;

(ii) Apresente a distribuicao da populacao da qual foi retirada a amostra;
(iii) Defina o parametro desconhecido que desejamos estimar.

9. Em um municpio com 10.000 habitantes foi retirada uma amostra, com reposicao, de 100
habitantes, com o objetivo de estimar o numero de pessoas que votariam a favor de uma
discutvel obra proposta pelo prefeito. Sessenta e sete pessoas responderam sim. A partir
do metodo dos momentos, forneca uma estimativa do total de pessoas do municpio que
votariam a favor da obra.

10. ([Larson, 1982] - Captulo 7) Joao realizou o seguinte experimento: a partir da linha de lance
livre lancou uma bola de basquete ate fazer uma cesta. Esse experimento foi realizado 5
vezes e Joao precisou dos seguintes numeros de arremessos em cada um das vezes: 5, 1,
7, 4 e 9. Encontre a estimativa pelo metodo dos momentos para a probabilidade de Joao
acertar a cesta em um arremesso a partir da linha de lance livre.

2 de 3
Lista 2 Inferencia

11. Considere que em uma cidade existam N taxis circulando sendo que, registrados e com a
documentacao em dia, sao N0 = 4.532 taxis. Com o intuito de checar se existem muitos
taxis nao regularizados, o orgao de fiscalizacao competente precisa estimar o valor de N .
Par isso foi feita uma blitz e checadas documentacoes de 100 taxis, selecionados ao acaso
e com reposicao. Entre eles, 62 estavam devidamente registrados enquanto os outros 38
estavam irregulares. Encontre uma estimativa pelo metodo dos momentos para o numero
total de taxis nessa cidade, isto e, para N .

12. ([Larson, 1982] - Captulo 7) Assuma que o numero de carros vendidos por dia por um
determinado negociante seja uma variavel aleatoria de Poisson com media .
(a) Dado que em 20 dias esse negociante vendeu 30 carros, encontre a estimativa por
maxima verossimilhanca para .
(b) Dado que em 20 dos ultimos 30 dias esse negociante nao fez venda alguma e que nos
outros 10 dias ele vendeu pelo menos um carro, encontre a estimativa por maxima
verossimilhanca para .

13. ([Larson, 1982] - Captulo 7) Considere que o tempo de vida de um componente eletrico seja
uma variavel aleatoria exponencial com o parametro . Dez destes componentes passaram
pelo seguinte teste: os componentes foram ligados e apos 100 horas foram observados quais
permaneciam em funcionamento e quais falharam. Ou seja, o unico registro de dados foi
o numero de componentes que falharam em menos de 100 horas versus o numero que nao
falhou. Verificou-se que tres falharam antes de 100 horas e os outros sete nao. Considere
que o teste garantiu independencia entre os tempos de vidas de componentes diferentes.
Encontre a estimativa por maxima verossimilhanca para:
(a) O parametro .
(b) O tempo medio de vida desse componente.

Referencias
[Bolfarine e Sandoval, 2000] Bolfarine, H. e Sandoval, M. C. (2000). Introducao a Inferencia
Estatstica.

[Casella e Berger, 2002] Casella, G. e Berger, R. L. (2002). Statistical Inference. Duxbury, 2a

edicao.

[Larson, 1982] Larson, H. J. (1982). Introduction to Probability Theory and Statistical Inference.
John Wiley & Sons, 3a edicao.

Respostas:
1. (a) p = 1/X (b) = X 2 /(M2 X 2 ) e = X/(M2 X 2 ) (c) = 2 ln(X)ln(M2 )/2 e 2 = ln(M2 )2 ln(X), onde M2 =
Pn
i=1 Xi2 /n.
2. (a) = 1/X (b) = 2n/ n 2
P
i=1 Xi .
3. (a) p = 1/X (b) p = X/N0 (c) = max{X(1) , X(n) }.
2 Pn 2 2 2 Pn 2 2 2 2 2
4. (a) M M = i=1 Xi /n0 (b) M V = i=1 (Xi 0 ) /n (c) M M = 1, 907 e M V = 2, 516 (d) M M = 7, 099 e M V = 2, 709.
5. (a) = 1/X (b) ) = X (c) = e1/X (d) = 3, 01, = 0, 331 e = 0, 0491.
6. (a) M M = X/(1 X) (b) M V = n/( n
P Pn

i=1 ln(Xi )) (c) M M = X (d) M V = n/ ( i=1 ln(Xi )) n .
7. (b) = X(1) (c) = 1/2X(1) .
8. Se X1 = 0 ou X1 = 1, = 1; se X1 = 2, = 2 ou 3; se X1 = 3 ou X1 = 4, = 3.
9. 6.700 pessoas votariam a favor da obra.
10. 0, 192.
11. N = 7.310 taxis.
12. (a) 1,5 (b) 0,405.
13. (a) = 0, 00357 (b) = 280, 4 horas.

3 de 3